.png){kind=icon}
返回
Integrating Functionalities to a System via Autoencoder Hippocampus Network
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-00686-8_36.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
将多种功能集成到一个系统中对深度学习领域提出了一个有趣的挑战。尽管大脑编码和解码信息以及学习多样化技能的精确机制尚不明确，但记忆无疑在这一过程中发挥着关键作用。在本文中，我们深入探讨了在多功能系统中实现和应用受自编码器启发的海马体网络。我们提出了基于自编码器的策略函数参数记忆方法。具体而言，自编码器的编码器将策略函数的参数映射到技能向量，而解码器通过该技能向量检索参数。策略函数根据相应任务进行动态调整。因此，采用技能向量图神经网络来表示子任务的保形拓扑结构并管理子任务的执行。
Keyword:
Memory
autoencoder hippocampus network
parametrized policy function
skill vector graph
cognitive function
期刊
A
IF:
0
论文数:
38
被引数:
0
机构
引用论文
Fundamentals of Recurrent Neural Network (RNN) and Long Short-Term Memory (LSTM) network递归神经网络 (RNN) 和长短期记忆 (LSTM) 网络的基本原理
OAAI
OAAI分享收藏分享收藏分享收藏
Multi-Agent Deep Reinforcement Learning for Large-Scale Traffic Signal Control面向大规模交通信号控制的多智能体深度强化学习OAAI
OAAI分享收藏Variational autoencoder: An unsupervised model for encoding and decoding fMRI activity in visual cortex.png)
NeuroImageOAAI
NeuroImageIF0
OAAI分享收藏
查看更多内容